3D 포인트 클라우드로부터 식물 잎의 강력한 표면 재구성

3D 이미징 기술을 이용한 식물 표현형 자동화는 필수적입니다. 그러나 3D 포인트 클라우드로부터 잎 표면을 재구성하는 전통적인 방법은 잎 표면 재구성의 정확성과 노이즈 및 결측치에 대한 방법의 강인성 간의 균형을 요구합니다. 이러한 균형을 완화하기 위해, 우리는 두 가지 잎의 구성 요소(형태와 그 형태의 변형)를 잎 특유의 속성을 사용하여 별도로 캡처함으로써 노이즈와 결측치의 영향을 줄이면서 표면 재구성 정확성을 유지하는 잎 표면 재구성 방법을 개발했습니다. 이러한 분리는 기존 방법들과 비교하여 잎 표면 재구성을 단순화하면서 노이즈와 결측치에 대한 강인성을 증가시킵니다. 제안된 방법을 평가하기 위해, 우리는 두 농작물 종(콩과 사탕무)에서 얻은 3D 포인트 클라우드로부터 잎 표면을 재구성하고 그 결과를 기존 방법의 결과와 비교했습니다. 결과는 제안된 방법이 두 가지 다른 잎 형태에 대한 노이즈와 결측치에도 불구하고 잎 표면을 강력하게 재구성했음을 보여주었습니다. 잎 표면 재구성의 안정성을 평가하기 위해, 우리는 또한 대상 잎의 14일 연속적인 잎 표면 면적을 계산했습니다. 제안된 방법에서 도출된 결과는 기존 방법들과 비교하여 값의 변동이 적고 이상치가 적음을 보여주었습니다.